群体事件中用户传播重要性的评价模型

为了达到更进一步理解群体事件在微博中的传播机理并得到能够综合评定事件参与用户在传播中重要程度的方法,采用定性分析和定量研究相结合的方式,基于真实案例的传播数据对社会群体事件的微博进行了分析。通过事件的消息转发关系构建了群体事件的微博传播系统;通过对若干传播基础指标实施主成分分析,构建了群体事件用户传播重要性的综合评价模型;结合复杂网络的相关理论,开展了该模型的评价值和复杂网络中心性指标的相关性分析。通过分析和研究,发现了群体事件的网络是具有无标度性质、小世界特征和较高集聚系数的复杂网络,在该网络中用户传播重要性的评价值实际与用户的复杂网络 核分解指标值存在极高的相关性。因此,人们可以依靠 核分解为核心的分析方法更精确、更有效地找到影响群体事件微博传播的重要用户。     

基于特征模板提取及SVM的观点句识别

为了有效识别中文微博的观点句,提出了基于Hownet词典及模板的特征提取方法,并使用SVM算法对微博中的观点句进行识别。运用新设计的一个模板匹配的方法来进行特征提取,并通过计算其信息增益筛选出最后的特征模板。实验结果表明:算法具有优越性和有效性。     

微时代的微博话语隐涵意义研究

微博语言是随着网络的发展而出现的一种独特的网络交际用语，因其鲜明的口语化书面体特征引起语言学家们的持续关注。作为会话分析的重要理论之一，隐涵理论能够帮助我们理解微博语言的言外之意。文章从话语隐涵理论视角对近年流行的微博语言进行剖析，阐释微博话语隐涵生成机制，指出人们能够借助网络语境和认知因素推导出微博的隐涵意义，同时也探讨了该隐涵意义所体现的社会文化心理。     

网络舆情监控过程中微博文本分类处理的实现方法

分析了微博短文本的专有特征,介绍了微博短文本的预处理流程.以新浪微博为网络舆情数据获取平台,简述了微博文本分类处理实现过程,基于Hadoop进行了网络舆情微博分类设计,为网络舆情监控任务的完成做数据依据.     

基于层次聚类的微博敏感话题检测算法研究

针对微博对社会舆情影响力日趋增大，设计了基于层次聚类的微博敏感话题检测算法，通过对微博内容的自动抓取，利用层次聚类算法实现对微博内容的智能识别，并以敏感话题为单位对微博内容进行分类．重点对层次聚类算法的实现过程进行研究，引入了词频、词性等关键参数因子，提高层次聚类算法分类精度．通过测试表明，检测算法的检测分类精度为95．3％，话题误判率不超过6％．     

以主体为中心的微博计算方法--微博计算微革命:从“信息”中心到以“人”为本

针对以微博为对象的分析挖掘,提出了“以人为本”的微博计算模型,即以微博主体为微博计算的主要对象,研究微博博主个性化表示模型,博主情绪感知算法、及微博内容分析等关键技术,综述了微博计算已有的研究进展.创新之处在于突破了纯粹内容分析的局限,更好地适应了微博计算的需求.     

副省级城市公共图书馆微博与微信服务比较研究

回顾了微博和微信的发展历程及其功能,选取了15所副省级城市公共图书馆为研究对象,分析了其微博和微信的服务应用现状,并进行了比较研究.     

微时代大学生思想政治教育研究

随着微博在大学生群体中的广泛使用,微博给大学生思想政治教育带来了机遇和挑战.文章通过调查了解大学生对微博的使用情况,分析了微博在大学生思想政治教育中的作用,提出了如何探索利用微博进行思想政治教育的措施,以供高校思想政治教育工作者参考.     

基于特征模板提取及SVM的观点句识别

为了有效识别中文微博的观点句,提出了基于Hownet词典及模板的特征提取方法,并使用SVM 算法对微博中的观点句进行识别.运用新设计的一个模板匹配的方法来进行特征提取,并通过计算其信息增益筛选出最后的特征模板.实验结果表明：算法具有优越性和有效性.     

基于BTM和加权K-Means的微博话题发现

为适应微博数据的短文本、低词频、缺乏语义表达等特殊性,提高话题发现的准确性,利于用户从大量微博数据中获取有用信息,本文提出一种基于BTM和加权K-Means方法实现微博话题发现。首先,针对微博数据稀疏性的问题,采用BTM模型对微博中的短文本进行建模,获得话题词;然后针对传统K-Means算法本身的缺陷,提出加权K-Means算法实现微博话题发现;最后实验验证本文的方法,实验结果表明,BTM和加权K-Means方法解决了微博数据高维度和稀疏性的问题,提高了热点话题发现的准确性和有效性。